VideoMaMa++

VideoMaMa++ 增强视频抠像的时间一致性

研究人员开发了 VideoMaMa++，一个基于扩散的视频抠像框架，它增强了时间一致性和细节准确性，尤其适用于长视频。该系统利用单独的 token 流和可学习的嵌入来在视频片段中保持稳定的抠像，解决了现有方法中常见的边缘闪烁和不连续透明度问题。这种方法允许 RGB 纹理和遮罩布局的自适应融合，并采用带有参考锚点的滑动窗口推理方案来防止错误累积，在标准基准和真实素材上均优于先前的方法。